(国网阿克苏供电公司 843000)
摘要：电网规划是电力系统研究领域中的一个重要环节，随着智能电网建设的推进和电力系统规模的不断扩大，电网规划面临着新的挑战。近年来，电力系统大停电事故的频繁发生，造成了重大的经济损失和社会影响，引起了人们对电网安全稳定运行问题的关注。研究电网连锁故障的传播机理以及电力网络的脆弱性评估，对规划建设坚强的电网将具有指导和借鉴意义。
关键词：输电网规划；复杂网络理论；脆弱性评估；多目标优化；非支配差分进化
基于复杂网络理论的大型电力系统脆弱性评估就是通过对大型电力系统拓扑特性的研究和故障仿真来探索电网中连锁故障传播的内在机理。将复杂网络理论分别应用于美国、意大利电网，分析了电网结构的脆弱性，并且探讨了连锁故障的发生机理。将线路的权重定义为线路的电抗，提出了使用带权重线路介数作为脆弱线路指标的辨识方法。在智能电网条件下，电网规划需考虑环境保护、大量可再生能源的接入、电力系统脆弱性评价、大电网的安全等方面的要求。这些具有不同侧重点的规划要求相互联系，有的互为矛盾，而多目标电网规划成为协调好多个规划目标的实现手段。多目标电网规划的传统求解思路是把多个目标函数整合成单目标函数，将多目标优化问题转化为单目标优化问题，利用较为成熟的单目标优化方法，如多目标权重法、分层优化方法、模糊评价法、模糊集对分析方法等进行求解。但是，这些方法在各个目标关于量纲和权重的统一方面存在困难，容易受到主观因素的影响，难以体现和综合评价各个目标的重要程度和相互关系，不是严格意义上的多目标优化方法。
1电网结构脆弱性分析
1.1电网均匀性及其影响因素
1.1.1电网均匀性概念
均匀性是指物质之间一种或多种特性相关的具有相同结构或组成的状态，是物质的一种基本状态属性。达到均匀状态通常能够对事物的发展有一定的积极作用，因此均匀性被广泛的应用到各个系统中进行状态评估。电网结构均匀性指的是网络中的所有元件在实现功率传输功能的方面重要程度的差异。相关的研究表明结构越不均匀的网络，发生连锁故障可能性越高，并指出网络拓扑结构脆弱性来源于其非均匀性。因此可以通过分析电网均匀性来评估网络的脆弱程度。当绝对均匀时，电网中所有元件都具有相同的重要程度，任意一个元件在遭受故障都不会对电网造成严重影响，认为此时的结构脆弱性最低。
1.1.2电网均匀性影响因素
电网的结构均匀性主要受到电源、负荷以及输电线路分布影响。电源分布主要取决于一次能源的地理位置以及对城市环境的影响。负荷的分布由人类生产和生活地区所决定，其大小则取决于当地经济发展水平。输电线路的分布和参数选择取决于当地地理和市政情况，在实际建设中受到可用传输通道等多方面因素的约束。总的来说，电网结构由于各方面客观因素的限制，很难达到均匀状态。尽管电力系统可以通过多种运行调度方式缓解由结构不均匀所带来的负面影响，但效果非常有限，因此可以从规划层面上考虑网架结构的均匀程度，对网架结构进行合理改进降低此类影响。
1.2电气介数
1.2.1电气介数概念
电力系统可以描述为一个复杂网络，将电网简化为拓扑模型，模型中节点代表发电机、负荷和变电站，边代表输电线路。支路电气介数能够表示“发电机-负荷”节点对之间潮流传输对支路的占用情况，量化了支路对电网传输潮流的贡献，电气介数值越大表明该支路在潮流传播中越重要。同时电气介数指越大的支路在退出运行后对系统造成的影响也越严重。
1.2.2电气介数的改进
实际电网中，各个发电机、负荷节点有不同的发电成本和负荷等级，各条支路都有不同的经济特性，电气介数相同的两条支路出现故障时造成的经济损失可能出现很大差别。改进后的电气介数模型综合考虑了支路在传输潮流中的占比和遭受故障后的经济损失严重度，在实际电网中能够更全面的衡量支路的重要程度。
期刊文章分类查询,尽在期刊图书馆
1.3电网结构基尼系数
基尼系数虽然是经济学中的概念，但是本质上是一个均匀度测量指标，因此在其他领域同样适用。文章将基尼系数引入电力系统来衡量电网支路电气介数的均匀性，评估电网结构脆弱性大小：基尼系数越大说明电网结构越脆弱。
2基于协同进化算法的模型求解
2.1多目标优化问题的处理求解
多目标优化问题的主要难度在于各个目标函数之间通常存在着的对立面，通常不可能是所有目标函数达到最优。在文章的模型中，在降低电网结构性的同时往往会造成投资费用的增大，因此只能尝试求取一个折中的最优解。目前常用的多目标优化求解方法是采用权重系数将多目标函数转化为单目标函数。此类方法易于求解，但是由于权重值大小是根据偏好给定的，结果往往存在主观误差。文章采用协同进化算法与模糊理论结合求解多目标模型，避免了上述方法的不足之处。
2.2协同进化算法
协同进化算法（CEA）是模仿生态系统中各个种群协同进化现象提出的一种具有较优适应能力的优化算法。其基本框架与遗传算法类似，都是通过交叉、变异和选择操作得到最优解。其区别在于：协同进化算法将复杂系统的优化问题分解为多个子系统进行求解，每个子系统对应生态系统中的一个种群，种群内部间进行交叉操作，各个种群通过系统模型协调合作完成进化。CEA相比传统遗传算法具有不易早熟，收敛快等优点。
2.3CEA中的协同操作
CEA中的协同操作时其有别于传统遗传算法的重要之处，下面以3种群介绍协同操作的主要步骤：（1）初始化三个种群A、B、C，选取每个种群的第一条染色体和另一条染色体（随机选取）作为每个种群的代表。（2）每个种群中的所有个体与另外两个种群中的代表采取位置匹配法构造新的个体。（3）对于多目标问题中的每一个目标函数，计算出所有个体的函数值大小。（4）计算所有个体的拥挤度和非支配水平，进行非支配排序，选取前N个个体并分成3个种群进入下一代个体。
2.4CEA中的遗传操作与遗传算法
类似CEA中的遗传操作包括对新种群个体的选择，交叉和变异。对于所有种群都可以采用二进制锦标赛进行选择。常用的交叉算子有单点交叉、均匀交叉、算术交叉等。变异操作则有多项式变异、差分变异等多种方法。CEA中包含路了各种形式的交叉变异方法，在实际操作中，可以指定或者由算法随机选择。
3结语
本文基于复杂网络理论，对电力系统进行网络特性研究和电网脆弱性评估，在电网规划问题中引入考虑网络拓扑结构和运行状态的网络性能指标，建立综合考虑电网规划方案经济性、环境影响因素以及电网脆弱性的多目标电网扩展规划模型。采用NSDE算法对该模型进行求解，该算法有机融合了Pareto快速非支配排序原理和DE操作，实现简单、寻优能力较好，为求解多目标电网规划问题提供了一种较好的解决思路。同时也表明，本文所建立的多目标规划模型可以有效提高网络的健壮性和对故障的承受能力，对规划建设坚强的电网将具有一定的借鉴意义。
参考文献：
[1]王耀升，张英敏，王畅，漆万碧.基于RBF神经网络的电网脆弱性评估及其趋势估计[J].电测与仪表，2019，56（09）：49-55.
[2]潘一飞，郭良，张帆，黄珣.基于电网脆弱性的连锁故障预测[A].中国电子信息产业集团有限公司第六研究所，2018：3.
[3]杨馥源.智能配电网脆弱性评估及网络重构[D].西安理工大学，2018.
[4]王龙.电力系统安全风险与脆弱性分析评估方法[D].华北电力大学（北京），2017.
论文作者:赵文宁,潘国文,万里,李志勇,魏涵逸,戴冰
论文发表刊物:《电力设备》2019年第19期
论文发表时间:2020/1/9
标签：电网论文; 目标论文; 种群论文; 均匀论文; 支路论文; 算法论文; 结构论文; 《电力设备》2019年第19期论文;